logo
专注油气领域
与独立思考者同行

五大趋势为能源行业2018数字化进程“打鸡血”

五大趋势为能源行业2018数字化进程“打鸡血”

2018年,这五个趋势将对石油天然气行业产生积极影响。

来自 | E&P
编译 | 影子

能源加工与工业资产正逐渐趋向数字化,且发展速度呈指数速度增长。无论是人工智能还是数字双胞胎远程诊断,这种数字化的过度都具备很多种可能性。油气公司需要做好准备迎接以下五大趋势:

1. 开启新一代工业运营模式;
2. AI应用程序普及程度激增;
3. 工业传感器将迎创新革命;
4. 边缘智能或移居中心变“C位”;
5. 无线传感器网络热度彪高。

五大趋势为能源行业2018数字化进程“打鸡血”

① 工业AI驱动:传统模式面临重新洗牌

大部分工业AI的应用程序都是为了提高资产负债表成本方面的运营效率,如增加正常运行时间、油井产量以及降低HSE风险等。例如,Flutura正在为一家大型油公司提供一种“数字预测即服务”的模型,该公司不再需要针对停工花费大量精力和时间,而是可以根据AI故障预测模块实时监测设备传感器数据流,主动完成远程诊断并进行现场维修。

创新的商业模式将改变钻井承包商、设备制造商和油公司的市场格局。把AI深入嵌入核心设备及流程的能力,将直接决定着现有传统工业部门最终能否从变革浪潮中脱颖而出;而在此之前,很多“老古董”们则需要首先放下老传统,重新构建其商业运营模式。

②把AI“推上去”:油井&设备喜得自由身

2017年,AI智能平台实现了其在油气行业内的通用性,为其扎根上游领域提供了巨大的发展动力。比如,Flutura的Cerebra工业AI应用中心针对超深水资产诊断、水力压裂、LNG等多种上游问题都预先配置了解决方案。2018年,油气行业将出现更多AI应用程序。

“Vanilla”数据科学并不足以解决油气行业核心任务中出现的问题。随着深度学习算法逐渐趋于大众化,解决特定问题和复杂问题的新型AI应用程序将会愈发重要。他们的重要性将远远大于横向AI平台,这就要求对现有行业环境实现大范围的改革和调整。

③工业传感器再创新:盲点Bug修复还需“亮剑”

目前,AI技术在实际应用中的最主要问题无非就是信号盲点的存在。例如,例如,一家上游公司在与Flutura的合作中发现,虽然他们有足够的设备仪器可以用(例如润滑油压力和温度、转速、扭矩等参数的测量),但在“振动传感器”领域,深度学习算法却依然空白,这也是导致AI无法识别异常信号的重要原因。2018年,传感器行业将围绕AI的这一问题进行大量创新设计研发及应用,包括:利用基于微分干涉原理的光学测量来实现油气质量检测、油罐油量异常、设备排放及噪音异常等。

要想优化资产和工艺环境的可见性,就需要提高其对内部和周围变化的敏感程度。模型的质量与传感器数据流的质量往往有直接联系:传感器越好,AI模型自然就会好。

④边缘智能或成下半场主力:IoT再无“冷板凳”

所谓“智能”,无非体现在两方面:信息和执行。例如,如果资产服务产品中的租赁资产被工作人员多次错用,那么智能就会通知主管及时介入。如果通过网络传送这些大量的传感器数据,再等待AI作出响应,这样的循环流程往往时间过长,无法及时提供决策辅助。因此,AI的局部灵敏性和响应能力需要从实操视角提高效率。

边缘计算,即让物联网的每个边缘设备都具备数据采集、分析计算、通信以及最重要的智能功能。而即使当资产或流程的某个环节出现故障时,边缘智能也依然可以保证其核心操作的完整性。当对可靠性和响应速度要求较高时,边缘智能同样是一个理想的解决方案。比如在很多大型石油天然气项目中,往往有数以千计的传感器事件横穿各个井之间,且需要在毫秒单位时间内做出可靠的决策。

⑤传感器数据高速公路

伴随着上游流程和资产数据传输频率的增加,其密度同时也在不断提高,现有的数据网络显然无法满足这样的传输需求。Sigfox和Ingenu等公司目前正在构建新一代传感器数据传输基础设施。这就类似于在国道上建立专用通道,传感器数据流可以传输上游流程和设备的关键数据。

您也有让人挠头的难题需要解决,或是优质技术想要找应用市场吗?如果有的话,欢迎联系小编微信或邮箱,也许能找到一剂良药。

二丫:131-3255-0596;zhanglingyu@cnoocraiborn.com
大安:131-3203-1392;lishian@cnoocraiborn.com

For English, Please click here (展开/收缩)

未经允许,不得转载本站任何文章:

评论 抢沙发